Fab semikonduktor Model langsung

Anda mengendalikan bay litografi sebuah fab wafer 300 mm — lapan pengimbas, bilik bersih dan resipi yang mesti kekal dalam spesifikasi. Wafer beratur, alat rosak, zarah masuk dan hasil berubah dengan setiap keputusan.

Apa yang akan anda pelajari

Simulator

Masa 0 j
Ketersediaan alat 100% · Kerja dalam proses 20 · Kelas ISO bilik bersih 3.4S1⚙S2▶S3▶S4▶S5▶S6▶S7‖S8‖WIP 20▶ 34 wph
  • Produktif
  • Siap sedia
  • Kejuruteraan
  • Rosak (pembaikan)
  • Zarah di udara

Kawalan

Wafer dilepaskan ke dalam bay sejam.

Bahagian masa pengimbas yang diberikan kepada lot wafer eksperimen yang mengajar proses: kurang output sekarang, kurang kecacatan kemudian.

Setiap juruteknik membaiki satu alat pada satu masa.

Lebih banyak pertukaran udara mencairkan zarah; kuasa kipas bertambah dengan kubus kelajuan.

Setiap orang yang berpakaian khas masih melepaskan zarah.

Wafer diukur sejam: carta SPC lebih tajam, kapasiti sedikit berkurang.

Mengambil masa 3 j dan menambah 2 orang dalam bilik semasa mereka bekerja.

2 j pada separuh kapasiti, kemudian proses kembali ke sasaran.

Penunjuk

Die baik keluar
19547/h
Hasil
89.8%
normal
Kelas ISO bilik bersih
3.4
normal
Masa kitaran bay
1.6h
normal
Ketersediaan alat100 %
Penggunaan alat71 %
Masa kejuruteraan10 %
Permulaan wafer dilepaskan34 wph
Kerja dalam proses20 wafers
Ketumpatan kecacatan0.110 /cm²
Keupayaan proses Cpk1.25 · amaran
Di luar spesifikasi (setara wafer)0.0 wph
Kuasa bay1339 kW

Aliran

Die baik keluar: — /h250000

Sampel SPC (ofset CD)

Sampel SPC (ofset CD): 0 ⚑+3σ−3σ

Senario krisis

Tahap 1 · Lencongan zarah

Syif rutin pada barisan cip mudah alih. Di suatu tempat di atas bay, penapis siling hampir gagal. Kekalkan bilik bersih dalam kelas, lindungi hasil — dan jangan biarkan kipas pada kelajuan penuh lebih lama daripada yang perlu.

  • Kelas ISO kembali ≤ 3.6 pada akhir
  • Tidak pernah melebihi kelas 4.55 selepas jam pertama
  • Hasil purata ≥ 87 % dalam jam-jam pertama lencongan
  • Kuasa bay purata ≤ 1,380 kW pada separuh kedua

Tahap 2 · Kerosakan pengimbas

Bay berjalan pada kadar tinggi 38 permulaan wafer sejam. Tiga pengimbas hampir terhenti serentak. Pastikan baris gilir tidak meletup semasa anda memulihkannya, dan masih menghantar die yang baik.

  • WIP ≤ 60 wafer pada akhir
  • Masa kitaran tidak pernah melebihi 3.5 j selepas kerosakan (tetingkap masa giliran)
  • Sekurang-kurangnya 900,000 die baik dalam 48 j
  • Lepaskan sekurang-kurangnya 1,600 permulaan wafer dalam 48 j (pelan permulaan: 34 sejam)

Tahap 3 · Hanyutan resipi

Semakan resipi baharu dilancarkan malam tadi. Belum ada yang tahu bahawa ia perlahan-lahan menganjakkan dimensi kritikal. Perhatikan carta SPC: kesan hanyutan dan kembalikan sebelum wafer keluar daripada spesifikasi.

  • Paling banyak 12 setara wafer di luar spesifikasi secara keseluruhan
  • Cpk ≥ 1.2 pada akhir
  • Sekurang-kurangnya 620,000 die baik

Tahap 2 · Peningkatan produk baharu

Cip pemecut besar memasuki pengeluaran dengan proses yang belum matang: ketumpatan kecacatan tinggi dan die 600 mm² tidak bertolak ansur. Barisan dimuatkan pada 42 permulaan wafer sejam. Anda ada 14 hari. Seimbangkan output hari ini dengan pembelajaran untuk esok.

  • Ketumpatan kecacatan ≤ 0.08 /cm² pada hari ke-14
  • Sekurang-kurangnya 660,000 die baik dalam 14 hari

Asas — model di sebalik angka

Setiap hubungan yang digunakan simulator, beserta sumbernya. Pemalar yang ditandakan sebagai andaian ialah penentukuran ilustrasi.

Keadaan peralatan mengikut SEMI E10: produktif, siap sedia, kejuruteraan, henti jadual dan henti tidak berjadual.
Availability = up tools / 8 · Utilization = productive tool-hours / total[1]
Alat gagal secara rawak dengan masa-ke-kegagalan eksponen; pembaikan menunggu juruteknik yang bebas.
P(fail in Δt) = 1 − e^(−Δt/MTBF), MTBF = 250 h; repair ~ Exp(mean 6 h) once a technician is free[17][1]Andaian: magnitud (MTBF, kadar penjanaan, k, τ) ialah penentukuran ilustrasi, bukan data daripada fab sebenar.
Hukum Little mengaitkan kerja dalam proses, daya pemprosesan dan masa kitaran.
CT = WIP / TH = T0 + queue / TH, T0 = 1 h[6][5]
Dalam barisan yang stabil, daya pemprosesan sama dengan kadar pelepasan, jadi permulaan wafer yang tidak dilepaskan ialah wafer yang tidak akan keluar. Wafer yang menunggu terlalu lama antara langkah melanggar tetingkap masa giliran.
TH = release rate while u < 1 ⇒ wafers out ≈ Σ starts; queue wait = CT − T0 = queue / TH ≤ queue-time window (3.5 h CT in semi-tool-crash)[5][16]Andaian: had masa kitaran 3.5 j mewakili tetingkap masa giliran (queue-time window); tetingkap sebenar ditetapkan langkah demi langkah oleh kejuruteraan proses, dan wafer yang melanggarnya biasanya dibuang.
Penghampiran Kingman: masa baris gilir bertambah seperti u/(1−u) — ia meletup apabila penggunaan menghampiri 100 %.
CTq ≈ ((ca² + ce²)/2) · (u/(1−u)) · te[5]Ditunjukkan untuk intuisi: baris gilir simulator muncul daripada ketibaan rawak dan kapasiti rawak, bukan daripada formula ini.
Had kelas ISO 14644-1 untuk zarah bersaiz D; pada 0.1 µm kelas ialah log kepekatan.
Cn = 10^N · (0.1/D)^2.08 ⇒ N = log10(C≥0.1µm)[2]
Bilik bercampur baik: kepekatan = penjanaan ÷ (pertukaran udara × isi padu × kecekapan penapis).
C = G / (ACH · V · η)[13][11]Andaian: magnitud (MTBF, kadar penjanaan, k, τ) ialah penentukuran ilustrasi, bukan data daripada fab sebenar.
Hukum afiniti kipas: kuasa meningkat dengan kubus kelajuan kipas.
P_fan = P_max · (speed)³[10]
Hasil binomial negatif: kecacatan berkelompok, jadi hasil jatuh lebih perlahan daripada yang diramalkan model Poisson.
Y = (1 + A·D/α)^(−α), α = 2 (α→∞: Y = e^(−A·D))[3][4][15][14]
Pembelajaran hasil: ketumpatan kecacatan merosot ke arah tahap matang apabila masa kejuruteraan dibelanjakan.
D(t+Δt) = D∞ + (D − D∞)·e^(−Δt/τ), τ = 120 h · (0.10 / engineering share)[15][18]Andaian: τ dimampatkan masa kira-kira 100× berbanding kadar pembelajaran industri yang dilaporkan (4–6.5 % sebulan, Leachman) supaya senario 14 hari menunjukkan kesannya.
Zarah yang mendarat pada wafer menambah kecacatan pembunuh berkadar dengan kepekatan udara.
D_total = D_learn + k · C, k = 4·10⁻⁶ cm⁻² per particle/m³Andaian: pemalar ilustrasi — fab sebenar menentukur kadar kecacatan pembunuh daripada data pemeriksaan mereka sendiri.
Hasil parametrik: bahagian proses normal yang jatuh dalam had spesifikasi; Cpk mengukur margin.
Y_param = Φ((USL−μ)/σ) − Φ((LSL−μ)/σ), Cpk = min(USL−μ, μ−LSL)/(3σ)[7][8][19]
SPC: purata n sampel, dengan had kawalan ±3σ/√n dan peraturan zon.
x̄ ~ N(μ, σ/√n), control limits ±3σ/√n; zone rules (2 of 3 beyond 2σ, 4 of 5 beyond 1σ, 8 on one side)[8][7][12]
Pemalar operasi lain yang digunakan oleh model.
8 scanners × 6 wafer-starts/h · metrology −0.5 % capacity per sampled wafer/h · rollback: 2 h at half capacity + 4 wafer-equivalents reworked · drift 0.25 nm/h · crash repair 18 technician-hours · leak crew +2 people for 3 h · tools 150 kW busy / 60 kW idle, fans 150 kW at 100 %Andaian: magnitud (MTBF, kadar penjanaan, k, τ) ialah penentukuran ilustrasi, bukan data daripada fab sebenar.
Die kasar bagi setiap wafer 300 mm untuk die berkeluasan A.
DPW = π·d²/(4A) − π·d/√(2A), d = 300 mm[9]

Keberawakan: penjana mulberry32 berbenih; taburan yang digunakan — seragam, eksponen (CDF songsang), normal (Box–Muller), Poisson (Knuth). Benih dipaparkan dan boleh dikongsi.

Sumber

  1. SEMI E10 — Specification for Definition and Measurement of Equipment Reliability, Availability, and Maintainability (RAM) and Utilization — SEMI
  2. ISO 14644-1:2015 Cleanrooms and associated controlled environments — Part 1: Classification of air cleanliness by particle concentration — ISO, 2015
  3. C. H. Stapper, F. M. Armstrong, K. Saji — Integrated circuit yield statistics — Proceedings of the IEEE 71(4), 1983
  4. J. A. Cunningham — The use and evaluation of yield models in integrated circuit manufacturing — IEEE Trans. Semiconductor Manufacturing 3(2), 1990
  5. W. J. Hopp, M. L. Spearman — Factory Physics (3rd ed.), ch. 7–8: Little’s law, Kingman (VUT) equation — Waveland Press, 2008
  6. J. D. C. Little — A Proof for the Queuing Formula L = λW — Operations Research 9(3), 1961
  7. D. C. Montgomery — Introduction to Statistical Quality Control (x̄ charts, process capability Cpk) — Wiley, 2019
  8. NIST/SEMATECH e-Handbook of Statistical Methods — 6.3 Univariate and Multivariate Control Charts; 6.1.6 Process capability — NIST
  9. Dies-per-wafer estimate DPW = πd²/(4S) − πd/√(2S) (de Vries, “Investigation of gross die per wafer formulas”, IEEE TSM 18(1)) — IEEE, 2005
  10. Fan affinity laws: flow ∝ speed, pressure ∝ speed², power ∝ speed³ — U.S. DOE — Improving Fan System Performance: A Sourcebook for Industry
  11. EN 1822-1:2019 High efficiency air filters (EPA, HEPA and ULPA) — classification (U15 ≥ 99.9995 % at MPPS) — CEN, 2019
  12. Western Electric Statistical Quality Control Handbook (1956) — zone rules for control charts — Western Electric / NIST e-Handbook 6.3.2
  13. W. Whyte — Cleanroom Technology: Fundamentals of Design, Testing and Operation (2nd ed.), ch. on dispersion of particles from people; well-mixed room dilution equation — Wiley, 2010
  14. Yu. I. Bogdanov, N. A. Bogdanova, V. L. Dshkhunyan — Statistical Yield Modeling for IC Manufacture: Hierarchical Fault Distributions (§2 Compound Poisson distribution, after Eq. (17), p. 4 of the arXiv PDF — large-area clustering negative binomial model: the cluster parameter’s “typical values approximately range from 0.3 to 7”) — arXiv physics/0303039, 2003
  15. R. C. Leachman — Yield Modeling and Analysis (Poisson, Murphy, Seeds, negative-binomial models; §8: SMLY survey with C. N. Berglund for International SEMATECH, 2002–03 — yield loss fitted as YL(t) = YL(0)·e^(−λt), Table 2 averages 4.4 / 4.0 / 6.5 %/month at 350 / 250 / 180 nm) — UC Berkeley, IEOR 130 course notes (unpublished), 2014
  16. A. Klemmt, L. Mönch — Scheduling jobs with time constraints between consecutive process steps in semiconductor manufacturing (time windows set by process engineering against native oxidation and contamination; jobs that violate them are scrapped) — Proceedings of the 2012 Winter Simulation Conference, 2012
  17. NIST/SEMATECH e-Handbook of Statistical Methods — 8.1.6.1 Exponential distribution (constant failure rate) — NIST
  18. C. Weber — Yield learning and the sources of profitability in semiconductor manufacturing and process development — IEEE Trans. Semiconductor Manufacturing 17(4), 2004
  19. M. Abramowitz, I. Stegun — Handbook of Mathematical Functions, 26.2.17 — NBS, 1964

Siapa yang melakukan ini sebagai kerjaya

Model pendidikan — bukan untuk keputusan operasi. Tapak sebenar menentukur setiap pemalar mengikut peralatan dan data mereka sendiri.